Taste-Bench 评测显示 AI 智能体难以判断长期决策优劣

AI agents have bad taste in long-term decisions and a new benchmark proves it

Taste-Bench 用 502 道二选一问题评测 AI 智能体的长期决策判断能力，14 个受测模型中表现最好的 GPT-5.6 Sol 准确率为 59.7%。